Automated Change Detection in Ground-Penetrating Radar using Machine Learning in R
摘要：探地雷达 (GPR) 是一种用于地下变化检测的有用技术，但受限于需要主题专家来处理和解释重合剖面。使用机器学习模型可以自动化此过程，以减少对主题专家处理和解释的需求。为了比较重合的 GPR 剖面，研究了几种机器学习模型。根据我们的文献综述，使用孪生卷积网络的孪生模型被确定为最佳选择。对内部孪生模型 ResNet50 和 MobileNetV2 测试了两个神经网络，前者历来具有更高的准确度，后者历来具有更快的处理时间。当对实验获得的具有合成添加变化的 GPR 剖面进行训练和测试时，ResNet50 具有更高的准确度。由于这种更高的准确度，需要的计算处理更少，导致 ResNet50 只需要
摘要：美国陆军工程兵团 (USACE) 维护的内港航道船闸是北部庞恰特雷恩湖与南部密西西比河之间的重要航道。船闸两侧的土堤均出现大面积塌陷，表明存在水通过船闸混凝土墙或接缝逸出的内部通道。不幸的是，通常用于识别混凝土裂缝（例如侧扫声纳）或结构下方或后方充满水的空隙（例如探地雷达）的传统方法并未在此位置发现任何结构问题。在排水和修复之前，美国陆军工程兵团新奥尔良区要求美国陆军工程兵研究与发展中心对船闸进行海底调查，以识别充满水的空隙，并为排水期间的潜在修复做好更好的准备。建造了一个独特的滑橇，允许一艘小船以一定角度拖曳海底剖面仪，以将更多的声能引导到结构中。低频、啁啾声能成功穿透混凝土墙，并在船
